動(dòng)態(tài)競(jìng)爭(zhēng)策略的鏈?zhǔn)蕉嘀悄荏w遺傳算法的研究.pdf

1、遺傳算法（Genetic Algorithm）是根據(jù)生物進(jìn)化理論和遺傳變異理論提出的一種基于種群搜索的優(yōu)化算法。由于其具有簡(jiǎn)單易行、魯棒性強(qiáng)，以及不需要很多專業(yè)領(lǐng)域先驗(yàn)知識(shí)等特點(diǎn)，所以遺傳算法在眾多領(lǐng)域有良好的應(yīng)用前景。但傳統(tǒng)遺傳算法有時(shí)會(huì)出現(xiàn)早收斂及搜索效率不高的現(xiàn)象，制約了它的進(jìn)一步推廣應(yīng)用。
　　針對(duì)這兩個(gè)不足，提出了一種鏈?zhǔn)街悄荏w遺傳算法 CAGA（Chainlike Agents Genetic Algorithm）。該

2、算法是一種單種群智能體遺傳算法，采用實(shí)數(shù)編碼，用生存在鏈?zhǔn)江h(huán)境中的智能體代表候選解，通過智能體間的競(jìng)爭(zhēng)與合作來(lái)搜索最優(yōu)解。同時(shí)，該算法通過動(dòng)態(tài)鄰域競(jìng)爭(zhēng)、鄰域正交交叉、自適應(yīng)變異等改進(jìn)措施，提高智能體的搜索效率從而提高算法的優(yōu)化性能。實(shí)驗(yàn)采用多個(gè)國(guó)際標(biāo)準(zhǔn)測(cè)試函數(shù)對(duì)該算法和其它幾種改進(jìn)遺傳算法進(jìn)行了多次函數(shù)優(yōu)化性能測(cè)試。實(shí)驗(yàn)結(jié)果表明，該算法能有效防止早收斂現(xiàn)象，比其它多種改進(jìn)GAs有較高的搜索效率。
　　對(duì)于一些復(fù)雜性和難度較大的應(yīng)用

3、問題，CAGA這種單種群智能體遺傳算法僅采用一個(gè)種群進(jìn)化，無(wú)法實(shí)現(xiàn)多種群并行搜索的性能，其算法的優(yōu)化速度仍不能滿足系統(tǒng)的實(shí)時(shí)性要求。基于此，本文進(jìn)一步展開研究，提出了多子群協(xié)同鏈?zhǔn)街悄荏w遺傳算法（Multi-population Agents Genetic Algorithm，MPAGA）。該算法結(jié)合協(xié)同進(jìn)化思想，采用了多子群并行搜索模式。其思路是：首先整個(gè)種群被劃分為多個(gè)子群；其次，每個(gè)子群采用CAGA的方式進(jìn)行進(jìn)化，子群間通過共享

4、智能體進(jìn)行遺傳信息的分享與傳遞，以實(shí)現(xiàn)多個(gè)子群協(xié)同尋找滿意解的目的，有效提高了優(yōu)化速度。本文采用多個(gè)國(guó)際標(biāo)準(zhǔn)的復(fù)雜測(cè)試函數(shù)對(duì)該算法的優(yōu)化性能進(jìn)行了測(cè)試。測(cè)試結(jié)果表明，與其它多種改進(jìn)GAs相比，該算法不僅有較高質(zhì)量的滿意解，而且有較短的算法運(yùn)行時(shí)間，能有效提高算法的優(yōu)化速度。
　　此外，本文簡(jiǎn)短討論了鏈?zhǔn)街悄荏w遺傳算法在特征選擇中的應(yīng)用。為了適應(yīng)特征選擇應(yīng)用的需要，本文采用二進(jìn)制編碼作為搜索算法的編碼方式，選用距離測(cè)度作為評(píng)價(jià)準(zhǔn)則，